MétaCan
Menu
Retour à la cohorte
Enregistrement W4298120541 · doi:10.1002/jnm.3068

Nonlinear modeling and digital predistortion for <scp>HF</scp> transmitters with harmonic cancelation

2022· article· en· W4298120541 sur OpenAlexaff
Long Chen, Wenhua Chen, Xiaofan Chen, Fadhel M. Ghannouchi, Zhenghe Feng

Notice bibliographique

RevueInternational Journal of Numerical Modelling Electronic Networks Devices and Fields · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Power Amplifier Design
Établissements canadiensCalgary Laboratory ServicesUniversity of Calgary
Organismes subventionnairesNational Key Research and Development Program of China
Mots-clésPredistortionIntermodulationHarmonicsAmplifierNonlinear distortionAdjacent channel power ratioLinearizationElectronic engineeringNonlinear systemControl theory (sociology)Computer scienceTotal harmonic distortionDistortion (music)Volterra seriesPower (physics)Bandwidth (computing)EngineeringTelecommunicationsPhysicsElectrical engineeringArtificial intelligenceVoltage

Résumé

récupéré en direct d'OpenAlex

Abstract High frequency (HF) transmitters implemented with the multi‐octave power amplifier (PA) are always faced with the problem of interfering harmonics because of the nonlinearity of the PA. In this paper, the harmonic cancelation digital predistortion (HC‐DPD) scheme is proposed and well discussed to cancel the in‐band intermodulation distortion (IMD) as well as out‐of‐band harmonics at the same time. With the digital filter‐less scheme, the bulky and lossy filter banks can be removed. Nonlinear models are first utilized to approximate the nonlinear behavior of the HF PA and compared in terms of the model accuracy. Then, the learning architecture, model identification, and feedback compensation of the HC‐DPD scheme are detailed discussed. Finally, a series of simulations and experiments demonstrated the effectiveness of the proposed nonlinear models and linearization algorithms.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,009
Tête enseignante GPT0,209
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Numerical Modelling Electronic Networks Devices and FieldsMême sujetAdvanced Power Amplifier DesignTravaux en français237 207